摘要
协作标记系统允许用户为资源分配关键字,即所谓的“标记”。标签用于导航、查找资源和偶然浏览,从而为用户带来即时利益。这些系统通常包括标签推荐机制,简化了为资源查找好标签的过程,但也整合了跨用户的标签词汇表。然而,在实践中,只应用了非常基本的推荐策略。本文评估并比较了几种针对大规模真实数据集的推荐算法:基于用户的协作过滤,基于FolkRank算法之上的基于图形的推荐,以及基于计数标签出现次数的简单方法。我们表明,FolkRank和Collaborative Filtering提供了比非个性化基线方法更好的结果。此外,由于基于计数标签出现次数的方法计算成本低,因此通常更适合实时场景,因此我们讨论了改进此类方法性能的简单方法。我们展示了一个基于用户和资源标签计数的简单推荐器是如何与最佳推荐器表现一样好的。
用户